Ingenieurwissenschaften und zugeordnete Tätigkeiten
Filtern
Dokumenttyp
- Beitrag zu einem Tagungsband (5) (entfernen)
Schlagworte
Organisationseinheit der BAM
For the wide acceptance of the use of additive manufacturing (AM), it is required to provide reliable testing methods to ensure the safety of the additively manufactured parts. A possible solution could be the deployment of in-situ monitoring during the build process. However, for laser powder bed fusion using metal powders (PBF-LB/M) only a few in-situ monitoring techniques are commercially available (optical tomography, melt pool monitoring), which have not been researched to an extent that allows to guarantee the adherence to strict quality and safety standards.
In this contribution, we present results of a study of PBF-LB/M printed parts made of the nickel-based superalloy Haynes 282. The formation of defects was provoked by local variations of the process parameters and monitored by thermography, optical tomography and melt pool monitoring. Afterwards, the defects were characterized by computed tomography (CT) to identify the detection limits of the used in-situ techniques.
In this study, we present an enhanced deep learning framework for the prediction of porosity based on thermographic in-situ monitoring data of laser powder bed fusion processes. The manufacturing of two cuboid specimens from Haynes 282 (Ni-based alloy) powder was monitored by a short-wave infrared camera. We use thermogram feature data and x-ray computed tomography data to train a convolutional neural network classifier. The classifier is used to perform a multi-class prediction of the spatially resolved porosity level in small sub-volumes of the specimen bulk.
Die zerstörungsfreie Prüfung von metallischen Bauteilen hergestellt mit additiver Fertigung (Additive Manufacturing - AM) gewinnt zunehmend an industrieller Bedeutung. Grund dafür ist die Feststellung von Qualität, Reproduzierbarkeit und damit auch Sicherheit für Bauteile, die mittels AM gefertigt wurden. Jedoch wird noch immer ex-situ geprüft, wobei Defekte (z.B. Poren, Risse etc.) erst nach Prozessabschluss entdeckt werden. Übersteigen Anzahl und/oder Abmessung die vorgegebenen Grenzwerte für diese Defekte, so kommt es zu Ausschuss, was angesichts sehr langer Bauprozessdauern äußerst unrentabel ist. Eine Schwierigkeit ist dabei, dass manche Defekte sich erst zeitverzögert zum eigentlichen Materialauftrag bilden, z.B. durch thermische Spannungen oder Schmelzbadaktivitäten. Dementsprechend sind reine Monitoringansätze zur Detektion ggf. nicht ausreichend.
Daher wird in dieser Arbeit ein Verfahren zur aktiven Thermografie an dem AM-Prozess Laser Powder Bed Fusion (L-PBF) untersucht. Das Bauteil wird mit Hilfe des defokussierten Prozesslasers bei geringer Laserleistung zwischen den einzelnen gefertigten Lagen unabhängig vom eigentlichen Bauprozess erwärmt. Die entstehende Wärmesignatur wird ort- und zeitaufgelöst durch eine Infrarotkamera erfasst. Durch diese der Lagenfertigung nachgelagerte Prüfung werden auch zum Bauprozess zeitversetzte Defektbildungen nachweisbar.
In dieser Arbeit finden die Untersuchungen als Proof-of-Concept, losgelöst vom AM-Prozess, an einem typischen metallischen Testkörper statt. Dieser besitzt eine Nut als oberflächlichen Defekt. Die durchgeführten Messungen finden an einer eigens entwickelten L-PBF-Forschungsanlage innerhalb der Prozesskammer statt. Damit wird ein neuartiger Ansatz zur aktiven Thermografie für L-PBF erforscht, der eine größere Bandbreite an Defektarten auffindbar macht. Der Ansatz wird validiert und Genauigkeit sowie Auflösungsvermögen geprüft. Eine Anwendung am AM-Prozess wird damit direkt forciert und die dafür benötigten Zusammenhänge werden präsentiert.
Laser powder bed fusion is used to create near net shape metal parts with a high degree of freedom in geometry design. When it comes to the production of safety critical components, a strict quality assurance is mandatory. An alternative to cost-intensive non-destructive testing of the produced parts is the utilization of in-situ process monitoring techniques. The formation of defects is linked to deviations of the local thermal history of the part from standard conditions. Therefore, one of the most promising monitoring techniques in additive manufacturing is thermography. In this study, features extracted from thermographic data are utilized to investigate the thermal history of cylindrical metal parts. The influence of process parameters, part geometry and scan strategy on the local heat distribution and on the resulting part porosity are presented. The suitability of the extracted features for in-situ process monitoring is discussed.
Lichtbogenbasierte Schweißverfahren wie das Metallschutzgasschweißen (MSG) zählen zu den Standardverfahren der Fügetechnik und werden in vielen Industriebereichen automatisiert unter Verwendung von Industrierobotern eingesetzt. Dabei können Schweißnahtabweichungen auftreten, die aus Änderungen der Prozessrandbedingungen und der hohen Prozessdynamik resultieren. Hier ist die Kontrolle von Schmelzbad- und Schweißnahtgeometrie für die Sicherung der Nahtqualität bedeutsam. Durch den Einsatz optischer Sensorsysteme können mit hoher zeitlicher Auflösung in-situ Informationen des Prozesszustands ermittelt werden. Dabei stellen die rauen Prozessbedingungen und die hohe Strahlungsintensität des Lichtbogens eine Herausforderung für die optischen Komponenten dar. Forschungsarbeiten am Institut für Schweißtechnik und Fügetechnik der RWTH Aachen haben gezeigt, dass durch den Einsatz einer HDR-Kamera in Kombination mit einer strukturierten Laserbelichtung gezielt geometrische Informationen des Lichtbogens und des Schmelzbads aus den Prozessaufnahmen gewonnen werden können. In dieser Arbeit wird eine parallele Schweißnaht- und Schmelzbadbeobachtung durchgeführt, wobei geometrische Informationen durch die Anwendung von Bildverarbeitungsalgorithmen extrahiert werden. Dabei wird ein nachlaufendes Sensorsystem eingesetzt, welches aus einer HDR-Kamera und einer Laserbeleuchtung besteht. Es werden diffraktive optische Elemente (DOE) zur Erzeugung von verschiedenen Laserprojektionsmustern verwendet, um sowohl eine unidirektionale als auch eine multidirektionale Prozessbeobachtung durchführen zu können. Aus den geometrischen Informationen werden Kenngrößen berechnet, anhand derer der Prozesszustand beurteilt werden kann. Es zeigt sich, dass anhand der Kenngrößenverläufe Abweichungen in der Schweiß- und Schmelzbadgeometrie und Positionierungsfehler des Roboters identifiziert werden können.